基于語義特征和監(jiān)督學習的廣告評論識別方法
發(fā)布時間：2021-08-04 09:25
隨著互聯(lián)網(wǎng)的興起與繁榮,人們的在線學習娛樂及交流變得非常便捷高效。計算機以及移動智能設備成為了人們工作和交流的主要工具之一。伴隨著互聯(lián)網(wǎng)電腦端及移動端用戶數(shù)量的增長,熱門網(wǎng)站的用戶數(shù)量及日點擊率也在迅速升高。作為全球最大的視頻網(wǎng)站,YouTube擁有海量視頻及數(shù)十億活躍制作上傳者及觀看用戶。由于每一位互聯(lián)網(wǎng)用戶均可以快速發(fā)表評論信息,加之YouTube實行了視頻制作者鼓勵措施,視頻廣告評論占比迅速提升,給視頻上傳者和常規(guī)觀眾帶來許多煩擾,嚴重干擾了用戶的正常評論與交流。基于詞袋的傳統(tǒng)垃圾廣告檢測算法通常從語句用詞入手,具有特征維度高、模型復雜等特點,而且隨著廣告評論的升級也日益顯示出不足。因此本文從語義理解的思路出發(fā),結(jié)合前人工作和理論,提出了基于語義的廣告評論檢測方法。此方法首先對語句進行語義角色標注,提取語義特征,并手動提取常見廣告評論的句式特征加入到特征集合,進行建模試驗。通過實驗反復驗證,此方法有效地降低了訓練數(shù)據(jù)的特征維數(shù),并且達到了較高的檢測率,在標注數(shù)據(jù)集多樣化不足的情況下仍然能夠保持一定的分類穩(wěn)定性,因此具有一定的可行性。由于現(xiàn)實網(wǎng)絡中,有標記的數(shù)據(jù)的獲取比較難,因此本...
【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：71 頁
【學位級別】：碩士
【部分圖文】：
圖２．１廣告評論過濾流程圖??７??
同時，在每一輪中加入一個新的弱分類器，直到錯誤率小于某一特定值或??者迭代次數(shù)達到達到指定的最大迭代次數(shù)。??Ａｄａｂｏｏｓｔ的算法流程如圖２．?２所ｔｋ：??釣始化謁練數(shù)的Ｖ?＿么＿』??ｊ?．??Ｉ?／＞ｊ?＝?Ｍ．．…ｕ＼?ｖ．＼．?ｉ．ｗ?－?—－?１．２……？八??＿??－＾ｉ?￣??ｔ?Ｖ???Ｉ?權(quán)值分布的數(shù)據(jù)集逬：??訓練．得到范Ｖ分類器；??＇?：Ｘ?—?＿??１?——：??汁筇（Ｕｘ丨＾練數(shù)據(jù)ｔｕ．品分矣鉛：）淹＇??ｃｔ＿?－?Ｐｉ?Ｇｊ?．ｘ?ｙ?？?－?Ｖ／《Ｇ「ｉ．Ｏ?丈、）；??：?ｒ??ｊ??Ｖ???ｉ?１－＾??＝?ｒ－Ｊｏｇ?—??ｊ?－?ｃｗ??更新爾練致?lián)臋?quán)ｍ：??ＭＷ“．Ａ》??一?Ｃ＾．．?ｄ）?＝■?
含三層結(jié)點，而且除了輸入層結(jié)點之外，其它結(jié)點均使用非線性激活函數(shù)。多層??前饋神經(jīng)網(wǎng)絡的每層神經(jīng)元與下一層神經(jīng)元全互連，神經(jīng)元之間不存在同層連??接，也不存在跨層連接［１６］，如圖２．?３所示。ＭＬＰ使用誤差逆?zhèn)鞑ィǎ澹颍颍铮??ＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＢＰ）算法進行數(shù)據(jù)訓練。??〇?〇?〇?ｎ，??＇＼Ｊ?ｗ??圖２．３多層前饋神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖［１５］??２．?４．?４主成分分析??成分分析是用來在數(shù)據(jù)中尋找“恰當”的特征的無監(jiān)督方法［１８］。主成分分析??（Ｐｒｉｎｃｉｐａｌ?Ｃｏｍｐｏｎｅｎｔ?Ａｎａｌｙｓｉｓ，?ＰＣＡ）是一種數(shù)據(jù)壓縮和特征提取的多變量??統(tǒng)計分析技術(shù)，ＰＣＡ的目標是在低維子空間去表示高維數(shù)據(jù)，使得在誤差平方和??的意義下低維表示能夠最好地描述原始數(shù)據(jù)［１８］。??主成分分析的步驟如圖２．?４所示：??１２??
【參考文獻】：
期刊論文
[1]基于LDA模型的博客垃圾評論發(fā)現(xiàn)[J]. 刁宇峰,楊亮,林鴻飛. 中文信息學報. 2011(01)
[2]基于貝葉斯方法和信息指紋的博客評論過濾[J]. 馬如林,蔣華,張慶霞. 計算機工程與應用. 2008(24)
[3]一個基于語義分析的傾向性文檔過濾系統(tǒng)[J]. 江寶林,劉永丹,金峰,葛家翔,胡運發(fā). 計算機應用與軟件. 2005(01)
碩士論文
[1]微博垃圾評論識別方法研究[D]. 蘭丹媚.廣西師范大學 2017
[2]基于語義的垃圾郵件過濾技術(shù)的研究[D]. 胡瑋.重慶大學 2016
[3]基于寫作風格學的作者識別技術(shù)研究[D]. 劉明勇.浙江大學 2013
[4]短文本語義過濾技術(shù)的研究[D]. 覃張華.北方工業(yè)大學 2008
[5]基于內(nèi)容的垃圾郵件過濾研究[D]. 潘文鋒.中國科學院研究生院（計算技術(shù)研究所） 2004
本文編號：3321447
【文章來源】：浙江大學浙江省 211工程院校 985工程院校 教育部直屬院校
【文章頁數(shù)】：71 頁
【學位級別】：碩士
【部分圖文】：
圖２．１廣告評論過濾流程圖??７??
同時，在每一輪中加入一個新的弱分類器，直到錯誤率小于某一特定值或??者迭代次數(shù)達到達到指定的最大迭代次數(shù)。??Ａｄａｂｏｏｓｔ的算法流程如圖２．?２所ｔｋ：??釣始化謁練數(shù)的Ｖ?＿么＿』??ｊ?．??Ｉ?／＞ｊ?＝?Ｍ．．…ｕ＼?ｖ．＼．?ｉ．ｗ?－?—－?１．２……？八??＿??－＾ｉ?￣??ｔ?Ｖ???Ｉ?權(quán)值分布的數(shù)據(jù)集逬：??訓練．得到范Ｖ分類器；??＇?：Ｘ?—?＿??１?——：??汁筇（Ｕｘ丨＾練數(shù)據(jù)ｔｕ．品分矣鉛：）淹＇??ｃｔ＿?－?Ｐｉ?Ｇｊ?．ｘ?ｙ?？?－?Ｖ／《Ｇ「ｉ．Ｏ?丈、）；??：?ｒ??ｊ??Ｖ???ｉ?１－＾??＝?ｒ－Ｊｏｇ?—??ｊ?－?ｃｗ??更新爾練致?lián)臋?quán)ｍ：??ＭＷ“．Ａ》??一?Ｃ＾．．?ｄ）?＝■?
含三層結(jié)點，而且除了輸入層結(jié)點之外，其它結(jié)點均使用非線性激活函數(shù)。多層??前饋神經(jīng)網(wǎng)絡的每層神經(jīng)元與下一層神經(jīng)元全互連，神經(jīng)元之間不存在同層連??接，也不存在跨層連接［１６］，如圖２．?３所示。ＭＬＰ使用誤差逆?zhèn)鞑ィǎ澹颍颍铮??ＢａｃｋＰｒｏｐａｇａｔｉｏｎ，ＢＰ）算法進行數(shù)據(jù)訓練。??〇?〇?〇?ｎ，??＇＼Ｊ?ｗ??圖２．３多層前饋神經(jīng)網(wǎng)絡結(jié)構(gòu)示意圖［１５］??２．?４．?４主成分分析??成分分析是用來在數(shù)據(jù)中尋找“恰當”的特征的無監(jiān)督方法［１８］。主成分分析??（Ｐｒｉｎｃｉｐａｌ?Ｃｏｍｐｏｎｅｎｔ?Ａｎａｌｙｓｉｓ，?ＰＣＡ）是一種數(shù)據(jù)壓縮和特征提取的多變量??統(tǒng)計分析技術(shù)，ＰＣＡ的目標是在低維子空間去表示高維數(shù)據(jù)，使得在誤差平方和??的意義下低維表示能夠最好地描述原始數(shù)據(jù)［１８］。??主成分分析的步驟如圖２．?４所示：??１２??
【參考文獻】：
期刊論文
[1]基于LDA模型的博客垃圾評論發(fā)現(xiàn)[J]. 刁宇峰,楊亮,林鴻飛. 中文信息學報. 2011(01)
[2]基于貝葉斯方法和信息指紋的博客評論過濾[J]. 馬如林,蔣華,張慶霞. 計算機工程與應用. 2008(24)
[3]一個基于語義分析的傾向性文檔過濾系統(tǒng)[J]. 江寶林,劉永丹,金峰,葛家翔,胡運發(fā). 計算機應用與軟件. 2005(01)
碩士論文
[1]微博垃圾評論識別方法研究[D]. 蘭丹媚.廣西師范大學 2017
[2]基于語義的垃圾郵件過濾技術(shù)的研究[D]. 胡瑋.重慶大學 2016
[3]基于寫作風格學的作者識別技術(shù)研究[D]. 劉明勇.浙江大學 2013
[4]短文本語義過濾技術(shù)的研究[D]. 覃張華.北方工業(yè)大學 2008
[5]基于內(nèi)容的垃圾郵件過濾研究[D]. 潘文鋒.中國科學院研究生院（計算技術(shù)研究所） 2004
本文編號：3321447
本文鏈接：http://sikaile.net/wenyilunwen/guanggaoshejilunwen/3321447.html
